方向 1｜AI 原生基础设施（核心招募线）
1.面向异构算力（GPU+GPNPU）的 K8s 调度扩展、弹性算力调度、抢占式任务编排
2.AI 工作负载优化：GPU/GPNPU虚拟化、多租户隔离、算力 QoS、资源碎片治理
3.Serverless AI、动态批处理、弹性推理集群架构
方向 2｜分布式训推系统 & 大模型 Infra
1.LLM/VLM 分布式推理：Tensor/Pipeline/MoE 并行、KV Cache 优化、通信层优化
2.异构集群多卡 / 多节点通信、NCCL 适配自研芯片、分布式容错框架
3.模型服务网关、动态负载均衡、推理流量调度系统
方向 3｜软硬协同系统软件（芯片 × 云原生交叉重点）
1.自研 GPNPU驱动、Runtime 与云原生平台打通；容器内硬件资源管理
2.算子调度、内存管理、异构硬件统一抽象层
3.面向算力积木架构的集群组网、资源池化方案

三、候选人选拔标准
硬性基准
1.计算机 / 电子 / 自动化 / 数学等相关专业，硕博为主；
2.扎实 C/C++/Rust/Python，熟悉 Linux 内核、网络、容器原理。
加分（满足任意多项优先进入终面）
✅ 顶会论文：OSDI/SOSP/NSDI/Micro/ASPLOS/NeurIPS/ICML 等系统、HPC、AI 方向 ✅ 知名开源项目核心贡献：Kubernetes、Istio、vLLM、SGLang、Triton、Ray、PyTorch ✅ 竞赛：ASC 超算、国际大学生程序设计、AI 系统赛道全球奖项 ✅ 实践项目：搭建过分布式训练集群、推理引擎开发、异构调度系统原型 ✅ 底层能力：熟悉 CUDA、设备驱动、内核模块、分布式通信实现
选拔理念：不只考察应用开发，优先选拔能看透「硬件限制→系统瓶颈→架构解法」的跨层思考者。